量化模型与构建方式 宏观择时策略模型 - 模型名称：宏观择时策略模型 - 模型构建思路：基于动态宏观事件因子的股债轮动策略 - 模型具体构建过程： - 该模型通过对经济增长和货币流动性两个层面的信号强度进行评估，来决定股票仓位的配置 - 经济增长层面信号强度为100%，货币流动性层面信号强度为0%[27] - 模型对2月份的权益推荐仓位为50%[27] - 模型评价：模型在2025年年初至今的收益率为-1.16%，同期Wind全A收益率为-2.32%[27] 微盘股指数择时模型 - 模型名称：微盘股指数择时模型 - 模型构建思路：通过监控微盘股茅指数的轮动信号和市场交易情绪的波动率拥挤度指标来进行择时 - 模型具体构建过程： - 微盘股茅指数相对净值在10月14日触发上穿年线的信号[31] - 微盘股与茅指数的20日收盘价斜率均为正值[31] - 使用两个中期风险预警指标：十年国债利率同比指标和波动率拥挤度同比指标[31] - 在10月15日，波动率拥挤度指标回落到阈值以下，触发波动率拥挤度风险预警信号解除[31] - 利率同比指标数值为-20.45%，未触发利率风控阈值0.3[31] - 模型评价：目前微盘择时模型未触发风控，建议长期持有微盘股风格的投资者继续持有[31] 模型的回测效果 - 宏观择时策略模型： - 收益率：-1.16%[27] - Wind全A收益率：-2.32%[27] 量化因子与构建方式 市值因子 - 因子名称：市值因子 - 因子的构建思路：基于股票的市值大小进行选股 - 因子具体构建过程： - 使用流通市值的对数作为因子值[48] - 公式：$ \text{LN_MktCap} = \log(\text{流通市值}) $[48] - 因子评价：市值因子在过去一周表现良好[39] 反转因子 - 因子名称：反转因子 - 因子的构建思路：基于股票价格的反转效应进行选股 - 因子具体构建过程： - 使用不同时间窗口的收益率作为因子值，如20日、40日、60日、120日收益率[49] - 公式：$\text{Price\_Chg20D} = \frac{P_{t} - P_{t-20}}{P_{t-20}}$[49] - 因子评价：反转因子在过去一周表现较好[39] 因子的回测效果 - 市值因子： - 全部A股：IC均值18.82%，多空收益6.42%[40] - 沪深300：IC均值23.99%，多空收益0.55%[40] - 中证500：IC均值16.29%，多空收益-0.14%[40] - 中证1000：IC均值9.37%，多空收益-0.13%[40] - 反转因子： - 全部A股：IC均值14.24%，多空收益7.69%[40] - 沪深300：IC均值21.64%，多空收益2.94%[40] - 中证500：IC均值21.63%，多空收益3.83%[40] - 中证1000：IC均值17.05%，多空收益5.47%[40]